LONDON (IT BOLTWISE) – Anthropic erweitert seine KI-Infrastruktur um ein eigenes Team für Chip-Design. Ziel ist die gemeinsame Auslegung von Hardware und Modellen, damit Claude bei steigender Nachfrage schneller und effizienter läuft. Der Schritt folgt auf die wachsende Zahl von Rechenzentrums-Deals, die allein offenbar nicht mehr genug Kapazität liefern. Mit dem Custom-Silicon-Vorhaben bewegt sich der Anbieter stärker in Richtung Inferenz-Optimierung.
Anthropic reagiert mit einem neuen „Custom Silicon Team“ auf ein sehr konkretes Infrastrukturproblem: KI-Modelle können noch so gut sein, wenn die verfügbare Rechenleistung für Training und insbesondere für Inferenz nicht im gleichen Tempo skaliert. Laut einem Stellenangebot sucht der Claude-Anbieter gezielt Ingenieurinnen und Ingenieure mit Erfahrung im Chip-Design. Damit verlagert sich ein Teil der Wertschöpfung von der reinen Modellinnovation hin zu der Frage, wie sich Modelle auf spezialisierter Hardware am effizientesten ausführen lassen – und wie stark man dafür die Abhängigkeit von externen Plattformen reduzieren kann.
Im Kern geht es um Co-Design, also die koordinierte Entwicklung von Hardware und Modellen. Anthropic formuliert dieses Ziel so, dass die eigene Technologie „co-designen“ soll, damit sie schneller und effizienter läuft. Technisch bedeutet das typischerweise: Man optimiert nicht nur die Architektur eines Beschleunigers, sondern passt auch die Art, wie das Modell Daten verarbeitet, wie es Zwischenergebnisse speichert und wie es auf Speicherhierarchien zugreift. Gerade bei der Inferenz – also bei der Ausführung eines bereits trainierten Modells, wenn Nutzeranfragen beantwortet werden – wirken sich Latenz, Bandbreite und ein effizienter Umgang mit KV-Caches (bei Transformer-Varianten) unmittelbar auf die Antwortzeiten und auf den Durchsatz pro GPU- oder Chip-Instanz aus.
Dass der Anbieter in eigenen Silizium-Entwürfen investiert, passiert nicht im luftleeren Raum. Aus der Branche ist zu hören, dass die Nachfrage nach Claude wächst und viele KI-Unternehmen gleichzeitig möglichst viele Infrastruktur-Deals sichern wollen, um Rechenleistung für ihre Systeme abzusichern. Anthropic hat dafür bereits Vereinbarungen mit großen Cloud- und Hardware-Ökosystemen getroffen, unter anderem mit AWS, Google sowie NVIDIA und AMD. Der neue Schritt deutet jedoch darauf hin, dass „Zugang zu Hardware“ zwar kurzfristig hilft, mittelfristig aber nicht automatisch die nötige Skalierung und Kostenstruktur liefert, wenn die Lastkurven in Richtung produktiver Workloads weiter steigen.
Historisch ist die Eigenentwicklung von Chips in der KI-Welt kein Selbstzweck, sondern meist eine Antwort auf die gleichen Engpässe: Effizienz pro Watt, bessere Ausnutzung von Speicher- und Rechenpfaden sowie die Möglichkeit, Workloads gezielt zu beschleunigen. OpenAI zeigte im Juni mit einem von Broadcom gefertigten Jalapeño-Chip einen klaren Fokus auf Inferenz; Google DeepMind setzt seit Jahren auf TPUs aus dem Alphabet-Umfeld; Meta entwickelt mit MTIA eigene Beschleuniger für KI-Workloads. Anthropic reiht sich damit in eine Strategie ein, bei der Unternehmen ihre Systeme so weit wie möglich auf die eigenen Ausführungsprofile zuschneiden. Für ein Modellunternehmen ist das besonders relevant, weil sich die Optimierung nicht nur auf „einen“ Benchmark bezieht, sondern auf die reale Mischung aus Prompts, Ausgabe-Längen und Kontextgrößen, die im Betrieb ständig variiert.
Für das Custom-Silicon-Vorhaben ist außerdem entscheidend, wie Anthropic den Übergang vom Prototypen zur Produktion plant. Chip-Design ist ein mehrjähriger Prozess; selbst wenn ein Unternehmen schneller iterationen kann, müssen Tools, Compiler-Stacks, Treiber und Laufzeitumgebungen zuverlässig werden. In der Praxis entsteht dabei oft ein Ökosystem aus Hardware-Interface-Definitionen, systemnahen Libraries und Deployment-Mechanismen, die sicherstellen, dass Modelle reproduzierbar auf dem Zielbeschleuniger laufen. Genau hier liegt die Stärke von Co-Design: Wenn die Modellseite bewusst auf bestimmte Rechen- oder Speichercharakteristika hin optimiert wird, kann die Hardware ihre Vorteile auch dann ausspielen, wenn die Workloads weniger „glatt“ sind als im Labor.
Marktseitig ist der Schritt auch ein Signal an Entwicklerteams und Enterprise-Kunden: Wer eigene Chips entwickelt, kann langfristig stärker an zwei Stellschrauben drehen, die in KI-Betriebskosten besonders ins Gewicht fallen – Kosten pro Anfrage und Antwortlatenz. Das betrifft nicht nur „Scale“ in der reinen Anzahl von Requests, sondern auch die Planbarkeit von Kapazität in Spitzenzeiten. Außerdem verändert sich dadurch die Verhandlungsmacht gegenüber Cloud- und Hardware-Partnern: Selbst wenn kurzfristig externe Ressourcen genutzt werden, entsteht mittel- bis langfristig ein Alternativpfad, der die Abhängigkeit verringern kann. Für Unternehmen, die KI-Lösungen evaluieren, wird damit ein Thema relevanter: Wie gut werden Modelle und Pipelines auf spezialisierte Beschleuniger portierbar gemacht, und wie schnell können Anbieter neue Hardwaregenerationen produktiv integrieren?
Abseits der reinen Hardwarefrage bleibt eine zweite Ebene: Die Nachfrage nach Claude steigt, und damit wird jede Verbesserung im Inferenz-Engineering mehr als nur technisch interessant. Ein effizienterer Ausführungspfad bedeutet, dass die gleichen Rechenressourcen mehr Nutzeranfragen bedienen können oder dass für vergleichbare Service-Level weniger Infrastrukturkosten anfallen. Genau deshalb ist das „custom silicon“-Narrativ in der Branche so eng mit Modellwachstum verknüpft: Je mehr Requests, Kontextlängen und Varianten eines Assistenzsystems im Alltag genutzt werden, desto stärker lohnt sich eine systematische Optimierung über Modell und Hardware hinweg. Für Anthropic dürfte damit jetzt der schwierigste Teil beginnen – die Kombination aus Chip-Design, Software-Integration und Modell-Feintuning so zu orchestrieren, dass sich der Nutzen nicht nur in einer Roadmap, sondern in der täglichen Latenz und im Durchsatz auszeichnet.
Offen bleibt zunächst, wie schnell Anthropic ein belastbares Produktisieren erreicht. Der Chip-Entwurf ist das eine, die vollständige Systemkette vom Training bis zum Inferenzbetrieb ist das andere. Trotzdem ist die Richtung klar: Der Anbieter will die Grenzen, die häufig durch gemeinsam genutzte Rechenzentrumsressourcen entstehen, durch gezieltes Hardware-Know-how verschieben. Das ist für den Wettbewerb mehr als ein Technikprojekt – es ist ein Infrastrukturhebel, der sich in den nächsten Quartalen daran messen lassen wird, ob Claude unter steigender Last tatsächlich schneller antwortet und ob sich die Effizienzgewinne in Betriebsszenarien konsistent reproduzieren lassen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Anthropic baut eigenes KI-Chipteam für schnelleres Inferenz-Scaling" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Anthropic baut eigenes KI-Chipteam für schnelleres Inferenz-Scaling" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Anthropic baut eigenes KI-Chipteam für schnelleres Inferenz-Scaling« bei Google Deutschland suchen, bei Bing oder Google News!